作者：是德科技汽車和能源解決方案副總裁Thomas Goetzl
在不遠的將來，全自動駕駛汽車有望大幅提升汽車安全和交通運輸效率。然而，要實現(xiàn)這一目標，汽車原始設備制造商必須在當前的汽車自動駕駛等級上更進一步。為了實現(xiàn)這一跨越他們需要攻克與高級駕駛輔助系統(tǒng)（ADAS）和自動駕駛系統(tǒng)中汽車雷達傳感器測試相關(guān)的一系列獨特挑戰(zhàn)，并開發(fā)新方法來訓練傳統(tǒng)解決方案無法勝任的算法。
國際汽車工程學會（原美國汽車工程學會）將自動駕駛分成了六個等級，其中 L0 級代表完全由駕駛員控制，L5 級代表全自動駕駛。 當今最先進的自動駕駛汽車系統(tǒng)僅僅達到了 L3 級，這一等級意味著車輛能夠在無需人工干預的情況下做出加速或制動等決策。從 L3 級到 L5 級需要在許多方面實現(xiàn)突破，包括彌合軟件仿真與道路測試之間的差距，以及在真實條件下訓練 ADAS 和自動駕駛算法。 是德科技最新推出的雷達場景仿真器（RSE）非常有助于彌合這些差距。 軟件仿真在自動駕駛汽車開發(fā)過程中發(fā)揮著重要作用。通過軟件仿真環(huán)境有助于制造商驗證 ADAS 和自動駕駛系統(tǒng)的能力。但是，仿真無法完全復制現(xiàn)實中的駕駛條件或傳感器可能出現(xiàn)的響應失常狀況，這些都是全自動駕駛汽車不可避免要應對的問題。 在將 ADAS 和自動駕駛系統(tǒng)推向市場之前，原始設備制造商通過道路測試來驗證它們的可靠性。雖然道路測試現(xiàn)在并將繼續(xù)是開發(fā)過程中至關(guān)重要且不可或缺的一部分，但就控制環(huán)境條件而言，它不僅要耗費大量時間，還成本高昂且難以重復。如果只依靠道路測試，開發(fā)出在任何時間都能安全地行駛在城市和農(nóng)村道路上的可靠車輛可能需要好幾十年。要想在相對現(xiàn)實的時間期限內(nèi)完成開發(fā)，訓練算法必不可少。 驗證基于雷達的自動駕駛算法是一項至關(guān)重要的任務。傳感器采集與道路和交通狀況有關(guān)的信息，并將這些信息提供給處理器和算法，以便它們做出車輛在指定情況下應當如何響應的決策。如果沒有經(jīng)過適當?shù)呐嘤枺詣玉{駛汽車做出的決策可能會危及駕乘人員或行人的安全。 成為一名優(yōu)秀的駕駛員往往需要時間和經(jīng)驗的沉淀。自動駕駛系統(tǒng)也需要通過長時間培訓來提高它們應對現(xiàn)實駕駛條件的能力。實現(xiàn) L5 級自動駕駛需要依靠復雜的系統(tǒng)，這些系統(tǒng)的能力應超越最優(yōu)秀的人類駕駛員。 過早對未經(jīng)驗證的 ADAS 和自動駕駛系統(tǒng)進行道路測試也存在風險。OEM 需要能夠仿真真實場景，對實際采用的傳感器、電子控制單元代碼、人工智能等部分進行驗證。 當前基于實驗室的仿真解決方案無法提供與現(xiàn)實情況相接近的駕駛場景。它們的視場有限，無法分辨距離小于 4 米的對象。有些系統(tǒng)使用多個雷達目標仿真器（RTS），每個 RTS 都向雷達傳感器呈現(xiàn)多個點目標，并通過機械移動天線來仿真水平位置和垂直位置。這種機械式的自動化操作會延緩整體測試速度。其他解決方案只采用少數(shù)幾個目標仿真器形成一面天線墻，對象可能出現(xiàn)在場景中的任何位置，但它們不能同時出現(xiàn)。在靜態(tài)或準靜態(tài)環(huán)境下，這種方法可以測試橫向移動的少數(shù)幾個目標，但受到機械臂速度的限制。 當前的仿真器最多只能仿真 32 個對象，包括車輛、基礎設施、行人、障礙物和其他對象。這遠低于在道路上行駛的車輛隨時可能遇到的對象數(shù)量。在測試雷達傳感器時，如果對象數(shù)量有限，則無法反映完整的駕駛場景，無法重現(xiàn)真實環(huán)境中的復雜情況。 為了將自動駕駛技術(shù)提升到 L4 級和 L5 級，汽車 OEM 需要能在更近距離更快渲染更多物體的解決方案。為了滿足這一需求，是德科技開發(fā)了一款專用可擴展仿真屏幕。這塊屏幕由幾百個微型目標雷達仿真器組成，能夠仿真最多 512 個距離近至 1.5 米的對象。因此，該仿真屏幕可以呈現(xiàn)出一個確定性的真實環(huán)境，用于在實驗室測試以前只能在道路上測試的復雜場景。 是德科技非常自豪地在這些技術(shù)領域取得了突破，并由此推出雷達場景仿真器產(chǎn)品。該產(chǎn)品是是德科技開發(fā)的自動駕駛仿真（ADE）平臺的關(guān)鍵組成部分。我們相信，這項技術(shù)能夠減少道路交通傷亡事故，緩解交通擁堵狀況，實現(xiàn)更安全、更高效的道路交通，從而縮短通往 L5 級自動駕駛的距離。 |
